海外小売のAI活用事例——Walmart・Amazon・Kroger・UAE・Tescoから読み解く運用設計

海外小売のAI活用は、需要予測・顧客分析・POSデータ分析・店舗カメラ活用の各領域で日本より数年先行している。本稿はITmediaビジネスオンライン連載「がっかりしないDX 小売業の新時代」（2023年7月〜継続中、約20本）と、2025年から2026年4月までだけでも7か国197屋号にのぼる現地視察に基づき、Walmart・Amazon Go・Amazonファーマシー・Kroger・Whole Foods・UAEルル・英国Tesco/Sainsbury's の運用実態を整理する。 日本市場への示唆は、技術そのものより「組織的に使い続ける運用設計」と「導入で終わらせない伴走」の有無にある。 個別事例の詳細はそれぞれの章で扱う。AI活用の全体像は小売業のAI活用を参照されたい。

海外小売AI活用事例の俯瞰

海外先進事例を俯瞰すると、AI活用が機能している企業には3つの共通点がある。第一に、AI導入が経営課題から逆算されていること。第二に、データ基盤と運用設計に時間をかけていること。第三に、現場とのフィードバックループが設計されていること。日本でも同じ条件が揃えば成果は出るが、ベンダー任せでは揃わない。

本稿で取り上げる事例は、いずれもITmediaビジネスオンライン連載または現地視察で一次情報として確認している。海外の小売業がAIを「導入して終わり」にしていない理由を、各事例から読み解いていく。

取り上げる事例

• Walmart：商品データを「AIが読める」形式に再設計（ITmedia 2026/04）
• Amazon Go / Amazonファーマシー：自動決済店舗の撤退と医薬品ECの挑戦（ITmedia 2026/02 / 2024/08）
• Kroger・Whole Foods：顧客分析・POSデータ×AIによる品揃え・販促最適化
• 店舗カメラ×AI 海外事例：Amazon Go後継・中国/欧州の人流解析
• UAE ルル・ハイパーマーケット：2025〜2026年視察で確認した自動決済・人流解析
• 英国 Tesco・Sainsbury's：AI需要予測の組織定着

Walmart——商品データをAI読解可能な形式に再設計

ITmediaビジネスオンライン連載で2026年4月に取り上げた。Walmartが取り組んでいるのは、AIモデルの導入そのものではなく、AIが意味を理解できる形式に商品データを再設計するという、より根源的な作業だ。

なぜ商品データの再設計が必要か

商品マスタは多くの小売業で、人間が読むことを前提に作られている。商品名・規格・カテゴリ・属性が一貫性なく入力され、SKU単位で集計しようとすると名寄せが必要、というのが実態だ。AIが扱う場合は、機械が一貫した意味を解釈できる必要がある。Walmartは商品カタログを構造化データで再構築し、AIが商品の属性・関連性・置換可能性を理解できる状態を作り込んだ。

効果と日本への示唆

このデータ整備は、検索、レコメンド、在庫最適化、サプライチェーン管理、生成AIによる商品説明生成と、複数のAI活用タスクの土台になる。日本の小売業でも商品マスタの品質はECの売上と直結しているが、AI時代には「機械可読性」がさらに重要になる。マスタ整備の投資は、AIプロジェクト単体の費用対効果では正当化しにくいが、複数のAI活用タスクが土台を共有することで投資回収のロジックが立つ。

日本市場での進め方

商品マスタの整備は時間がかかる。「AI導入」から逆算して始めるのではなく、「日々のEC運営・店舗運営のために整える」ことを目的とすれば、AIプロジェクトが終わった後もメンテナンスが続く。詳しい考え方は小売AIの前提条件（データ基盤）を参照。

Amazon Go と Amazonファーマシー——撤退と挑戦の真相

ITmediaビジネスオンライン連載で2026年2月（Amazon Go）と2024年8月（Amazonファーマシー）に詳しく取り上げた。

Amazon Go撤退の真相

Amazon Goは「Just Walk Out」と呼ばれる、商品を持って店を出るだけで自動決済される無人店舗だ。2018年から米国主要都市で展開されたが、2023年以降に複数の店舗閉鎖が報じられ、「失敗事例」として語られることが増えた。

ただし「失敗」というのは単純化しすぎだ。Amazonは Just Walk Out のテクノロジーを Whole Foods や空港、Hudson News、Sap Center などのアリーナへの B2B 提供にピボットしている。直営店舗としての撤退は、Just Walk Outを Amazon が「自社小売業のフォーマット」として展開する戦略を見直し、「他社にライセンスする技術」として位置付け直した結果だ。AI技術が市場で機能しなかったのではなく、「使い方」を再設計したと見るのが正確だ。

Amazonファーマシーの挑戦

Amazonファーマシーは米国の医薬品ECで、2020年に米国でローンチした。処方箋の電子化、配送による医薬品提供、保険連携、AIによる服薬リマインドなどを統合し、米国の調剤体験を変えている。郡司昇は薬剤師資格を持ち、薬局・調剤事業の経営経験から日本のドラッグストア・調剤チェーンへ示唆を発信してきた。Amazonファーマシーの取り組みは、電子処方箋の制度設計が進んだ日本でも参考になる。日本での示唆はドラッグストアのAI活用で深掘りする。

「撤退」事例から学ぶこと

Amazon Goの事例が示すのは、AI活用の成果は技術の良し悪しではなく事業モデルとの適合度で決まる、ということだ。Just Walk Outのテクノロジーは十分機能していたが、Amazon直営の店舗運営という事業モデルでは収益化しにくかった。日本でも、技術導入の前に「自社の事業モデルに本当に合うか」を判断する力が必要だ。これはAI導入の失敗パターンの中でも特に重要な論点だ。

Kroger・Whole Foods——顧客分析・POSデータ×AIの統合

米国大手のKroger、そしてAmazon傘下のWhole Foodsは、顧客分析・POSデータ分析にAIを組み合わせ、品揃え・販促・価格設定の最適化を進めている。

Krogerの84.51度（旧 dunnhumby USA）

Krogerは子会社84.51度（旧dunnhumby USA）を通じて、ロイヤルティカードの購買データを大規模に分析している。AIによる顧客セグメンテーション、購買予測、価格弾力性の解析、販促効果測定が日常運用に組み込まれている。重要なのは「分析を持っている」ことではなく、本部・店舗運営の意思決定プロセスに分析結果が組み込まれている点だ。

Whole Foods（Amazon傘下）

Whole Foodsは2017年にAmazon傘下に入り、Prime会員特典との統合、Amazonデータ基盤との連携が進んだ。店舗訪問では、Prime会員と非会員で異なる価格表示、レジでのPrime会員特典自動適用、AmazonアプリからのWhole Foods商品購入連携など、オンラインとオフラインのデータ統合が顧客体験に反映されている。

日本市場への示唆

POSデータ・ID-POSの分析自体は日本の小売でも進んでいるが、「日常運用への組み込み」では差がある。AI解析の結果が本部の品揃え検討、店舗の販促判断、現場のオペレーションに反映される仕組みを設計することが、競争力の源泉になる。詳しくは小売CDPと小売業のAI活用 顧客分析を参照。

店舗カメラ×AI 海外事例

店舗カメラを用いた人流解析・棚前行動分析・防犯は、海外で先行している領域だ。Amazon Goの「Just Walk Out」もこの系譜にある。

中国・欧州の人流解析

中国では大手チェーンを中心にAIカメラ・人流解析の導入が進み、来店者数のカウント、動線分析、滞在時間計測、レイアウト改善への活用が一般化している。欧州では、英国・ドイツの大手スーパーで万引き対策・棚前行動分析が広く採用されている。

プライバシー・運用ルールの設計

カメラ活用が広がる一方、プライバシー保護と運用ルールの設計が前提になる。EU圏ではGDPR準拠の利用同意設計、米国カリフォルニア州ではCCPA、日本でも個人情報保護法の改正動向を踏まえる必要がある。「データを取れるから取る」ではなく「何に使うか・誰の同意があるか・どこまで保持するか」を業務領域ごとに設計する。

日本での進め方

導入コストが大きいため、効果との見合いを精査して優先順位を決める。スーパーマーケットでは生鮮品棚の欠品検知、ドラッグストアでは万引き対策と棚前行動、コンビニでは来店者カウントによる発注精度向上、というように業態の経営課題に合わせて活用領域を選定する。詳しくは小売業のAI活用 店舗カメラ活用とドラッグストアのAI活用を参照。

UAE ルル・ハイパーマーケット視察報告

UAEは中東を代表する小売市場で、ルル・ハイパーマーケットは中東・南アジア・東南アジアに展開する大手チェーンだ。2025〜2026年の視察では、自動決済・人流解析・在庫管理にAIを組み合わせた運用を確認した。

自動決済の導入

ルルでは大型店舗で自動決済ゲートとセルフレジが並走し、顧客が会計手段を選べる設計になっていた。中東は労働力構造として外国人労働者比率が高く、人件費の問題は日本とは別の文脈で発生する。それでも自動決済の導入が進む背景は、顧客体験の改善とピーク時の処理能力確保にある。

在庫管理と棚のデジタル化

電子棚札と在庫管理システムの連携、店内デジタルサイネージによる販促などが組み合わさり、店舗運営全体のデジタル化が進んでいる。AI需要予測と在庫管理の組み合わせは中東でも一般的になりつつあり、日本のスーパー・ハイパーマーケットにも示唆がある。

中東小売の特殊性

中東は1人当たり購買力が高く、ハイパーマーケットの来店頻度・客単価が日本と異なる。視察した運用をそのまま日本に移植するのではなく、「なぜこの設計が成立しているか」を読み解いて応用することが重要だ。

英国 Tesco・Sainsbury's の AI需要予測

英国の大手スーパーマーケットTescoとSainsbury'sは、AI需要予測の組織定着事例として参考になる。

Tesco Clubcardと需要予測

Tescoは1995年に開始したTesco Clubcard（ロイヤルティプログラム）から30年近い顧客データを保有し、AIによる需要予測・販促効果測定・品揃え最適化に活用している。ClubcardデータはdunnhumbyによってKrogerのデータと並ぶ規模の分析対象になっている。

Sainsbury'sの自動発注

Sainsbury'sも需要予測AIによる自動発注を導入し、生鮮品の廃棄ロス削減と欠品率改善に活用している。組織定着のポイントは、店舗マネージャーの裁量と予測値の関係を明確化し、現場が「AIの推奨を覆す権限」を持つ運用設計にしたことだ。AIに従わせるのではなく、AIを「アドバイザー」として位置付ける運用が、結果的に予測精度の活用率を高めている。

日本市場への示唆

需要予測モデルの精度ではなく、現場が信頼して使える運用設計こそが組織定着の鍵だ。日本の小売業でも、AIを「正解」として現場に押し付けるのではなく、「現場の判断材料の一つ」として提供する設計が、結果的に活用率と効果を高める。詳しくはAI需要予測の実装ハウツーで深掘りする。

日本市場への示唆——「導入で終わらせない」伴走の必要性

海外事例を俯瞰して見えてくるのは、AI活用の成果が技術選定の巧拙ではなく、組織と運用設計の質で決まるという事実だ。

海外と日本の差は「運用設計」

日本の小売業も、AI技術そのものでは海外に大きく劣っているわけではない。POSデータ、ID-POSデータ、AIモデル、クラウド基盤——いずれも入手可能だ。差がつくのは、それらを「日々の意思決定に組み込む運用設計」「現場とのフィードバックループ」「経営層のコミットメント」だ。

「ベンダー丸投げ」と「導入で終わらせない伴走」

多くのAIベンダーはツール導入とPoCまでで契約が完了し、運用は事業者に委ねて去る。事業者側に運用設計の経験と組織の体力があれば自走できるが、多くのケースで運用が回らず、PoCで終わる。海外先進事例で機能している企業は、内部にAI活用の運用設計者がいるか、外部の伴走者を継続的に確保している。

小売DX合同会社の役回り

著者の郡司昇は、薬剤師資格を持つ小売DXコンサルタントとして、ベンダー選定→PoC設計→運用定着→内製化までを並走する「AI活用の伴走支援」を50社以上に提供してきた。海外視察（7か国197屋号、2025〜2026年）とITmediaビジネスオンライン連載で蓄積した先進事例の知見を、日本市場の実装に翻訳する役回りを担っている。詳しくは小売業のAI活用 伴走支援の役割を参照。

海外事例を踏まえたAI活用の相談はこちら

関連リンク

• 小売業のAI活用——5領域と伴走支援
• AI需要予測の実装ハウツー
• ドラッグストアのAI活用
• 小売DXとは——定義・進め方・失敗パターン
• 小売CDP（顧客データ基盤）の設計
• 小売DXコンサルティング
• ITmediaビジネスオンライン連載「がっかりしないDX 小売業の新時代」

よくある質問（FAQ）